論文の概要: ZeroKBC: A Comprehensive Benchmark for Zero-Shot Knowledge Base Completion

• arxiv url: http://arxiv.org/abs/2212.03091v1
• Date: Tue, 6 Dec 2022 16:02:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 16:43:45.988621
• Title: ZeroKBC: A Comprehensive Benchmark for Zero-Shot Knowledge Base Completion
• Title（参考訳）: ZeroKBC: ゼロショット知識ベースコンプリートのための総合ベンチマーク
• Authors: Pei Chen, Wenlin Yao, Hongming Zhang, Xiaoman Pan, Dian Yu, Dong Yu, and Jianshu Chen
• Abstract要約: 知識ベース補完は、知識グラフの欠落するリンクを予測することを目的としている。 以前のKBCタスクは主に、トレーニングセットにすべてのテストエンティティとリレーションが現れる設定に焦点を当てていました。 我々は、ゼロショットKBCの様々なシナリオをカバーする包括的なベンチマークであるZeroKBCを開発した。
• 参考スコア（独自算出の注目度）: 54.898479917173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge base completion (KBC) aims to predict the missing links in knowledge graphs. Previous KBC tasks and approaches mainly focus on the setting where all test entities and relations have appeared in the training set. However, there has been limited research on the zero-shot KBC settings, where we need to deal with unseen entities and relations that emerge in a constantly growing knowledge base. In this work, we systematically examine different possible scenarios of zero-shot KBC and develop a comprehensive benchmark, ZeroKBC, that covers these scenarios with diverse types of knowledge sources. Our systematic analysis reveals several missing yet important zero-shot KBC settings. Experimental results show that canonical and state-of-the-art KBC systems cannot achieve satisfactory performance on this challenging benchmark. By analyzing the strength and weaknesses of these systems on solving ZeroKBC, we further present several important observations and promising future directions.
• Abstract（参考訳）: knowledge base completion (kbc) は知識グラフの欠落リンクを予測することを目的としている。 従来のKBCタスクとアプローチは主に、トレーニングセットにすべてのテストエンティティと関係が現れる設定に焦点を当てています。 しかし、ゼロショットKBC設定については限定的な研究がなされており、絶えず増加する知識ベースに現れる未知のエンティティや関係を扱う必要がある。 本研究では,ゼロショットKBCの様々なシナリオを体系的に検討し,これらのシナリオを多種多様な知識ソースを用いて包括的ベンチマークであるZeroKBCを開発する。 系統的な解析により,ゼロショットKBC設定の欠如が判明した。 実験の結果,従来のKBCシステムでは,このベンチマークでは満足な性能が得られなかった。 ZeroKBCの解法におけるこれらのシステムの強みと弱みを解析することにより、いくつかの重要な観測結果と将来的な方向性を示す。

関連論文リスト

• A Learn-Then-Reason Model Towards Generalization in Knowledge Base Question Answering [17.281005999581865]
  FreebaseやWikidataのような大規模知識ベース(KB)には、数百万の構造化知識がある。 Knowledge Base Question Answering (KBQA)は、自然言語の質問を通じて、これらの貴重なKBにアクセスするためのユーザフレンドリな方法を提供する。 本稿では,KBLLaMAを開発した。KBLLaMAは,新しいKB知識を言語モデルに注入し,フレキシブルなエンドツーエンドKBQAを実現するためのフレームワークである。
  論文  参考訳（メタデータ） (2024-06-20T22:22:41Z)
• Overcoming Pitfalls in Graph Contrastive Learning Evaluation: Toward Comprehensive Benchmarks [60.82579717007963]
  本稿では,グラフコントラスト学習(GCL)手法の有効性,一貫性,全体的な能力をより正確に評価するために,拡張された評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-24T01:47:56Z)
• Completeness, Recall, and Negation in Open-World Knowledge Bases: A Survey [15.221057217833492]
  KBにおける完全性、リコール、否定に関する知識をどのように表現し、抽出し、推論するかについて議論する。 本調査は,(1)KB品質の追跡,抽出作業の集中,下流アプリケーション構築に関心のある実践者,(2)オープンワールドの前提を超えた知識基盤技術の現状を理解したいと考えるデータ管理,知識ベース,セマンティックWeb研究者の2つのタイプを対象としている。
  論文  参考訳（メタデータ） (2023-05-09T12:50:16Z)
• CBR-iKB: A Case-Based Reasoning Approach for Question Answering over Incomplete Knowledge Bases [39.45030211564547]
  ケースベースの推論手法であるCBR-iKBを,不完全KBを主眼とした知識ベース質問応答(KBQA)に提案する。 設計上、CBR-iKBはタスク固有のトレーニングや微調整なしにKBの変更にシームレスに適応できる。 提案手法は,MetaQAで100%精度を達成し,複数のベンチマークで新たな最先端性を確立する。
  論文  参考訳（メタデータ） (2022-04-18T20:46:41Z)
• Knowledge Graph Question Answering Leaderboard: A Community Resource to Prevent a Replication Crisis [61.740077541531726]
  コミュニティの焦点として、KGQAベンチマークデータセットに対して、新たな中心的でオープンなリーダボードを提供しています。 本分析は,KGQAシステムの評価において,既存の問題点を浮き彫りにする。
  論文  参考訳（メタデータ） (2022-01-20T13:46:01Z)
• Combining Rules and Embeddings via Neuro-Symbolic AI for Knowledge Base Completion [59.093293389123424]
  すべてのルールベースの知識ベースコンプリートモデルが同じではないことを示す。 1)関係の混合と,2)経路の混合の2つの異なるアプローチを提案する。 ブール論理を実数値論理に拡張することでルールを学習するニューロシンボリックAI上に実装すると、後者のモデルは、平均相互ランクにおいて、最先端のKBC精度を2-10%向上させる。
  論文  参考訳（メタデータ） (2021-09-16T17:54:56Z)
• BoxE: A Box Embedding Model for Knowledge Base Completion [53.57588201197374]
  知識ベース補完(KBC)は、知識ベース(KB)に存在する情報を活用することにより、行方不明な事実を自動的に推測することを目的とする。 既存の埋め込みモデルは、以下の制限の少なくとも1つに該当する。 BoxEは、エンティティをポイントとして、関係をハイパー矩形(またはボックス)の集合として埋め込む
  論文  参考訳（メタデータ） (2020-07-13T09:40:49Z)
• Faithful Embeddings for Knowledge Base Queries [97.5904298152163]
  理想的知識ベース(KB)の帰納的閉包は、KBが答えられる論理的クエリを正確に含んでいる。 実際にはKBは不完全かつ過剰な仕様であり、現実の答えを持つクエリには答えられない。 この新たなQEモジュールをニューラルな質問応答システムに挿入すると、最先端技術よりも大幅に改善されることを示す。
  論文  参考訳（メタデータ） (2020-04-07T19:25:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。